python时间重叠_Python中的时间范围重叠算法

我有不同的身份证,开始日期和结束日期,

比如说:[

(5, d.datetime(2010, 9, 19, 0, 0, 0), d.datetime(2010, 9, 19, 0, 5, 10)),

(6, d.datetime(2010, 9, 19, 0, 0, 0), d.datetime(2010, 9, 19, 12, 59, 59)),

(4, d.datetime(2010, 9, 19, 10, 30, 17), d.datetime(2010, 9, 19, 20, 20, 59)),

(6, d.datetime(2010, 9, 19, 14, 12, 0), d.datetime(2010, 9, 19, 23, 59, 59)),

(5, d.datetime(2010, 9, 19, 17, 0, 22), d.datetime(2010, 9, 19, 19, 14, 20))

]

我需要找到重叠的时间范围,并准备一个新的列表,在特定的时间范围内有适当的ID,例如上面的列表结果应该是:

^{pr2}$

视觉概念:

daf3595c7e7c0f68988f11a08cf4263b.png

实际上现在我有这样的解决方案:我得到整个范围的最小和最大日期,然后每1秒从min_date迭代到max_date,当在特定的时刻我们匹配目标列表中的一些间隔时,我将匹配的id保存为dictionary key,并将iterator到list的时间作为value,然后保存到父列表中,然后下一个接着一个。最后,我检查了父列表中的所有dict,将id作为键,将值列表中的第一个、最后一个日期作为需要查找的范围。

但当我计算月份的范围时,这个解决方案的工作非常缓慢。因为它花费了太多的时间以秒为单位迭代1个月。在

代码如下:def delta(start, end, delta):

cur = start

while cur < end:

yield cur

cur += delta

final_ranges = []

last_result = None

i = -1

for checker_date in delta(

sorted_ranges_by_start[0]['start'],

sorted_ranges_by_end[-1]['end'],

relativedelta(seconds=1)):

aggregator = []

for rng in ranges:

if rng['start'] <= checker_date <= rng['end']:

aggregator.append(str(rng['id']))

if len(aggregator) > 0:

ids = ','.join(set(aggregator))

if last_result != ids:

final_ranges.append({})

last_result = ids

i += 1

if ids not in final_ranges[i]:

final_ranges[i][ids] = []

final_ranges[i][ids].append(checker_date)

但正如我所说,它在大范围内工作非常缓慢。在

在没有迭代的情况下,也许可以通过这种方式来改进Python的迭代速度(或者,请尝试用C来改进它)

谢谢。在

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
### 回答1: 重叠社区发现算法是一种用于社交网络分析的算法,可以揭示社交网络存在的不同重叠社区结构。在Python,可以使用NetworkX库来实现重叠社区发现算法。 首先,需要导入NetworkX库,并创建一个有向图或无向图来表示社交网络。然后,可以使用NetworkX的相关函数来执行重叠社区发现算法。 一种常见的重叠社区发现算法是基于节点的重叠社区结构的Louvain算法。以下是一个示例代码: ``` import networkx as nx import community # 创建一个无向图表示社交网络 G = nx.Graph() # 添加节点和边 G.add_nodes_from([1, 2, 3, 4, 5]) G.add_edges_from([(1, 2), (2, 3), (3, 4), (4, 5), (1, 5)]) # 使用Louvain算法进行重叠社区发现 communities = community.greedy_modularity_communities(G) # 打印每个节点所属的重叠社区 for i, com in enumerate(communities): print("Community", i+1, ":", com) ``` 上述代码首先导入了NetworkX库,并创建了一个无向图G。然后使用Louvain算法的greedy_modularity_communities函数找到每个节点所属的重叠社区,最后打印出每个节点所属的重叠社区。 此外,还有其他重叠社区发现算法可供选择,例如在论文《Overlapping Community Detection in Social Networks: The State-of-the-Art and Comparative Study》介绍的一种方法称为COPRA算法。 希望以上内容对于重叠社区发现算法Python的实现有所帮助。 ### 回答2: 重叠社区发现算法是一种用于识别社交网络重叠社区的方法。它能够发现网络存在的多个社区,并且允许一个节点同时属于不同的社区。 在Python,我们可以使用NetworkX库来实现重叠社区发现算法。NetworkX是一个用于创建、操作和研究复杂网络的Python库,具有强大的功能和易用的接口。 首先,我们需要引入NetworkX库并创建一个图对象。可以使用NetworkX提供的各种方法来加载网络数据,例如从文件读取或手动添加节点和边。 接下来,我们可以使用现有的重叠社区发现算法来识别图重叠社区。NetworkX库提供了一些常见的重叠社区发现算法实现,例如Louvain算法、BigClam算法等。我们可以根据具体需求选择适合的算法。 调用重叠社区发现算法函数后,我们将获得一个包含重叠社区信息的结果对象。这个结果对象可以让我们查看每个节点属于哪些社区,并且可以对结果进行进一步的分析和可视化。 最后,我们可以根据实际需求决定如何使用重叠社区发现算法的结果。例如,我们可以根据节点在不同社区的重叠程度进行节点影响力分析,或者通过比较不同社区的结构特征来进行社区比较和聚类分析。 在这个简要的解答,我向您介绍了使用PythonNetworkX库来实现重叠社区发现算法的基本步骤。具体的实施细节和算法选择取决于实际应用的需求和网络数据的特点。 ### 回答3: 重叠社区发现算法是一种用于识别复杂网络存在的社区结构的方法。该算法可以帮助我们理解网络的内部连接方式和节点之间的关系,从而更好地研究网络的演化规律和功能。 在Python,可以使用第三方库NetworkX来实现重叠社区发现算法。首先,我们需要导入NetworkX库,并创建一个有向或无向的图对象: ```python import networkx as nx # 创建一个无向图对象 G = nx.Graph() ``` 然后,我们可以通过添加节点和边来构建网络结构: ```python # 添加节点 G.add_node(1) G.add_node(2) # 添加边 G.add_edge(1, 2) ``` 接下来,我们可以使用第三方库`community`的`louvain`函数来进行重叠社区发现: ```python import community # 使用Louvain算法进行重叠社区发现 partition = community.best_partition(G) # 输出每个节点所属的社区编号 for node, comm_id in partition.items(): print(f"Node {node}: Community {comm_id}") ``` 最后,我们可以根据节点的社区归属,将节点分组为不同的社区: ```python # 创建一个空的字典,用于存储每个社区的节点 communities = {} # 将节点按照所属社区归类 for node, comm_id in partition.items(): if comm_id not in communities: communities[comm_id] = [node] else: communities[comm_id].append(node) # 输出每个社区的节点 for comm_id, nodes in communities.items(): print(f"Community {comm_id}: {nodes}") ``` 通过以上代码,我们就可以实现重叠社区发现算法的功能,并将节点归类到不同的社区。 这是一个简单的用Python实现重叠社区发现算法的示例,实际使用时,还可以根据不同的问题和需求选择其他适合的算法和库来实现。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值